En poursuivant votre navigation sur ce site, sans modifier le paramétrage de vos cookies, vous acceptez l’utilisation de cookies nous permettant de réaliser des statistiques de visite.
En savoir plus

En ce moment

Un algorithme prédit les congestions dans les réseaux radio mobiles


“C’est une avancée majeure pour Orange qui peut réagir à temps pour éviter la congestion de son réseau. Et un gain considérable pour l’utilisateur final.”


Sur le même sujet

Une nouvelle solution Orange basée sur l’intelligence artificielle (IA) est capable de prédire les congestions sur les réseaux 30 minutes avant qu’elles n’adviennent. Les ingénieurs peuvent ainsi travailler pro activement à résoudre les problèmes avant qu’ils ne se produisent.

La supervision des réseaux progresse grâce à l’intelligence artificielle. Un laboratoire d’Orange à Belfort en a apporté une nouvelle preuve en développant une solution d’analyse prédictive capable d’éviter les surcharges de trafic sur le réseau mobile. Un algorithme parvient à détecter les futures congestions 30 minutes en amont, avec un taux de réussite de plus de 80%. Grâce à cette solution de maintenance prédictive, les ingénieurs réseaux d’Orange gagnent un temps précieux, suffisant pour décharger préventivement la cellule en voie de congestion et répartir sa charge sur les cellules voisines.

L’algorithme observe l’évolution de quatre indicateurs de qualité radio (la latence, le débit moyen sur le lien descendant, le nombre moyen d’utilisateurs par cellule sur le lien descendant et la charge des cellules) et détermine le lien entre le comportement de ces indicateurs et l’occurrence d’une congestion dans une cellule donnée grâce à des techniques d’apprentissage automatique (machine learning). Les chercheurs ont constaté que, si l’un de ces indicateurs dépasse un seuil, ceci engendre systématiquement une congestion dans le réseau. “En étudiant le comportement de ces indicateurs dans le temps et en se basant sur des algorithmes de type ‘machine learning’, on peut prédire le moment où la congestion interviendra pour une cellule déterminée”, explique Imed Hadj Kacem, data scientist chez Orange.

Le défi de la collecte des données

A plusieurs égards, la méthode est nouvelle, constate Sylvain Allio, ingénieur Data chez Orange: “Habituellement, les indicateurs de performance sont considérés un par un. Avec cette solution d’intelligence artificielle, le problème est multiple avec l’impact de plusieurs variables en même temps.”

L’équipe a également innové dans la préparation de données en adoptant une approche fonctionnelle. Il s’agit d’estimer l’évolution temporelle des données par des fonctions mathématiques. “Nous parvenons à corriger les erreurs et à ajouter les données manquantes avec des valeurs proches de la réalité”, se réjouit Imed Hadj Kacem.

Le modèle actuel parvient à prédire plus de 80% des problèmes. “C’est un atout important qui permet aux équipes opérationnelles d’être proactifs et de prévenir les congestions au lieu de les guérir”, note Sylvain Allio. “Pour l’utilisateur final, cela représente un gain considérable, lui garantissant un service optimal dans le temps et l’espace.”

Son équipe travaille déjà à l’étape suivante : utiliser l’intelligence artificielle pour décharger de manière optimale le trafic des cellules congestionnées vers les cellules voisines moins chargées. L’objectif est de garantir une meilleure qualité de service perçue par l’utilisateur. Ce travail est réalisé en collaboration avec une équipe à Châtillon pour que cette analyse prédictive soit intégrée à un algorithme automatisé de gestion de charge.

L’IA et la data au cœur de la stratégie d’Orange

La solution développée par le laboratoire belfortain pourrait avoir d’autres applications. Le modèle développé est suffisamment générique pour pouvoir intégrer d’autres indicateurs de performance. L’algorithme pourrait ainsi être utilisé pour la détection des “sleeping cells”, ces cellules hors service dans le réseau radio. Ces cellules se mettent en mode “veille” ou “hors service” à cause d’un problème matériel et/ou logiciel, provoquant ainsi un échec d’accessibilité aux services du réseau radio.

Cet algorithme prédictif facilite le travail des équipes techniques tout en améliorant l’expérience du client final.


“C’est une avancée majeure pour Orange qui peut réagir à temps pour éviter la congestion de son réseau. Et un gain considérable pour l’utilisateur final.”


Sur le même sujet

Mots-clés :

, , , , , ,